Визуализация рок-кривой (летняя практика) — различия между версиями
Axelr (обсуждение | вклад) |
Axelr (обсуждение | вклад) |
||
| (не показана одна промежуточная версия этого же участника) | |||
| Строка 5: | Строка 5: | ||
|organization=Лаборатория методов анализа больших данных (LAMBDA) | |organization=Лаборатория методов анализа больших данных (LAMBDA) | ||
|hse_profile=- | |hse_profile=- | ||
| − | |email= | + | |email=arogozhnikov@hse.ru |
|thesis= | |thesis= | ||
|year=2015 | |year=2015 | ||
| Строка 12: | Строка 12: | ||
=== Задание === | === Задание === | ||
| − | Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой). | + | Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой в машобучении). |
1. визуализация рок-кривой (движение распределений -> изменение рок-кривой) | 1. визуализация рок-кривой (движение распределений -> изменение рок-кривой) | ||
Текущая версия на 01:08, 18 июня 2015
| Автор | Рогожников Алексей Михайлович [- Профиль на сайте ВШЭ] Электронная почта |
| Организация | Лаборатория методов анализа больших данных (LAMBDA) |
| Учебный год | 2015 |
Содержание
Задание
Подготовить визуализации для алгоритмов машобучения и для рок-кривой (тоже активно используемой в машобучении).
1. визуализация рок-кривой (движение распределений -> изменение рок-кривой)
2. логистическая регрессия и линейный SVM - для них надо как минимум двумерную визуализацию решающего правила (с возможностью мышкой двигать правило), + надо иметь возможность переключаться в 3d-режим, чтобы по оси z была функция потерь, плюс стохастическое обучение - надо это проиллюстрировать.
3. итеративное построение дерева с разными критериями разбиения
Какие начальные требования?
Иметь представление о 2d/3d визуализации. Приветствуется владение джаваскриптом.
Изначального понимания визуализируемых алгоритмов не ожидается, однако с ними обязательно потребуется познакомиться.
Какие будут использоваться технологии?
1. html + javascript, 2. фреймворк для визуализации (например, d3.js)
Какая дополнительная литература понадобится?
Необходимо прочитать про указанные алгоритмы машинного обучения. Например, на machinelearning.ru или из лекций: http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций%2C_К.В.Воронцов) или из любого другого источника.
